社区
《零基础学机器学习》
代码
帖子详情
第07课 循环神经网络——鉴定留言及探索系外行星
零基础学机器学习
2022-01-04 13:49:31
7.3 原始文本如何转化成向量数据
代码:
7.3 原始文本如何转化成向量数据|code_1.py
7.4 用SimpleRNN鉴定评论文本
代码:
7.4 用SimpleRNN鉴定评论文本|code_1.py
代码:
7.4 用SimpleRNN鉴定评论文本|code_2.py
代码:
7.4 用SimpleRNN鉴定评论文本|code_3.py
代码:
7.4 用SimpleRNN鉴定评论文本|code_4.py
代码:
7.4 用SimpleRNN鉴定评论文本|code_5.py
代码:
7.4 用SimpleRNN鉴定评论文本|code_6.py
代码:
7.4 用SimpleRNN鉴定评论文本|code_7.py
代码:
7.4 用SimpleRNN鉴定评论文本|code_8.py
7.6 用LSTM 鉴定评论文本
代码:
7.6 用LSTM 鉴定评论文本|code_1.py
代码:
7.6 用LSTM 鉴定评论文本|code_2.py
代码:
7.6 用LSTM 鉴定评论文本|code_3.py
7.8 用循环神经网络处理时序问题
代码:
7.8 用循环神经网络处理时序问题|code_1.py
代码:
7.8 用循环神经网络处理时序问题|code_2.py
代码:
7.8 用循环神经网络处理时序问题|code_3.py
代码:
7.8 用循环神经网络处理时序问题|code_4.py
代码:
7.8 用循环神经网络处理时序问题|code_5.py
代码:
7.8 用循环神经网络处理时序问题|code_6.py
代码:
7.8 用循环神经网络处理时序问题|code_7.py
代码:
7.8 用循环神经网络处理时序问题|code_8.py
代码:
7.8 用循环神经网络处理时序问题|code_9.py
代码:
7.8 用循环神经网络处理时序问题|code_10.py
代码:
7.8 用循环神经网络处理时序问题|code_11.py
代码:
7.8 用循环神经网络处理时序问题|code_12.py
代码:
7.8 用循环神经网络处理时序问题|code_13.py
代码:
7.8 用循环神经网络处理时序问题|code_14.py
代码:
7.8 用循环神经网络处理时序问题|code_15.py
代码:
7.8 用循环神经网络处理时序问题|code_16.py
代码:
7.8 用循环神经网络处理时序问题|code_17.py
...全文
355
回复
打赏
收藏
第07课 循环神经网络——鉴定留言及探索系外行星
7.3 原始文本如何转化成向量数据 代码:7.3 原始文本如何转化成向量数据|code_1.py 7.4 用SimpleRNN鉴定评论文本 代码:7.4 用SimpleRNN鉴定评论文本|code_1.py 代码:7.4 用SimpleRNN鉴定评论文本|code_2.py 代码:7.4 用SimpleRNN鉴定评论文本|code_3.py 代码:7.4 用SimpleRNN鉴定评论文本|code_4.py 代码:7.4 用SimpleRNN鉴定评论文本|code_5.py 代码:7.4 用S
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
小白也能学习机器学习吗?从这里开始轻松入门机器学习
本书《零基础学机器学习》采用轻松的故事形式,通过AI新手小冰向资深数据科学家咖哥学习,逐步揭秘机器学习。内容涵盖基础原理、数学知识、Python编程、各种机器学习算法实战,包括线性回归、逻辑回归、深度学习等,旨在帮助初学者快速上手并应用于实际工作中。全书注重实战,案例丰富,适合时间有限的读者快速入门。
FSB628.pdf
FSB628
FS5379.PDF
FS5379.PDF
stm32单片机项目资料
课
程设计文档C语言程序代码原理图电路PCB实例AVR最小
系
统板DXP资料及其相关资料
stm32单片机项目资料
课
程设计文档C语言程序代码原理图电路PCB实例AVR最小
系
统板DXP资料及其相关资料
AI绘画扩散模型原理图集-StableDiffusion核心组件详解
# 扩散模型原理图集说明(学习和写文章用) 1. **LoRA**:W=W₀+B·A低秩分解,压缩256倍,零初始化,可合并推理零开销。 2. **Checkpoint**:含UNet/VAE/CLIP,z_T→去噪→z₀→VAE解码出图。 3. **ControlNet**:可训练分支+ZeroConv注入冻结UNet,7种条件控制。 4. **IP-Adapter**:解耦交叉注意力,图像/文本独立K/V,α控制图像强度。 5. **VAE**:48倍压缩至潜空间,L_rec+L_KL联合训练。 6. **CLIP**:双塔对比学习,为UNet提供文本条件。 7. **CFG**:ε̂=ε_∅+s·(ε_c-ε_∅),s=7~12引导增强。 8. **Diffusion**:前向加噪→反向UNet去噪,线性/余弦调度。 9. **SAM**:三大模块+四种提示,输出3个Mask选最优。 10. **Upscale**:RRDB+PixelShuffle,L1+感知+GAN三损失。 11. **采样器**:随机(DDPM/Euler a)vs确定性(DDIM/DPM++2M)。 12. **调度器**:β→α→ᾱ→σ,Linear/Cosine/Karras曲线。 13. **Karras**:σ幂律,ρ=7最优,低噪声区多步保细节。
《零基础学机器学习》
7
社区成员
359
社区内容
发帖
与我相关
我的任务
《零基础学机器学习》
本书的目标,是让非机器学习领域甚至非计算机专业出身但有学习需求的人,轻松地掌握机器学习的基本知识,从而拥有相关的实战能力。
复制链接
扫一扫
分享
社区描述
本书的目标,是让非机器学习领域甚至非计算机专业出身但有学习需求的人,轻松地掌握机器学习的基本知识,从而拥有相关的实战能力。
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章